本文關(guān)鍵詞：CN企業(yè)備件庫存聚類及需求預(yù)測方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：經(jīng)濟(jì)快速增長,致使人均可支配收入增加,用戶對于產(chǎn)品的需求呈現(xiàn)多樣化趨勢。為滿足消費(fèi)者的需求,生產(chǎn)制造企業(yè)的產(chǎn)品類型隨之增加,儲備的備件種類也急劇增長,龐大的備件儲備量在造成資源浪費(fèi)的同時(shí)增加了企業(yè)的運(yùn)營風(fēng)險(xiǎn)。為協(xié)助企業(yè)進(jìn)行備件庫存管理,維持合理的庫存水平,以CN企業(yè)為研究對象,對備件庫存聚類及需求預(yù)測方法進(jìn)行研究,為制定科學(xué)的備件庫存計(jì)劃提供依據(jù)。首先對CN企業(yè)進(jìn)行實(shí)地調(diào)研,深入分析備件庫存管理現(xiàn)狀,了解企業(yè)備件管理現(xiàn)存問題,研究備件庫存特點(diǎn),為后續(xù)研究提供事實(shí)依據(jù)。在以往文獻(xiàn)的基礎(chǔ)上,對備件庫存聚類、需求預(yù)測相關(guān)理論進(jìn)行分析,比較各聚類方法、需求預(yù)測方法的特點(diǎn)及其適用性,為選取合理的聚類、預(yù)測方法奠定理論基礎(chǔ)。然后以CN企業(yè)備件庫存數(shù)據(jù)為基礎(chǔ),以“需求量變化是否具有相似性”為聚類準(zhǔn)則,在分析聚類方法的基礎(chǔ)上,選擇Minkowski巨離衡量指標(biāo)間的相似度,利用類平均法衡量類間距離,選擇系統(tǒng)聚類法利用SPSS軟件對備件庫存進(jìn)行聚類。研究表明CN企業(yè)中約80%的備件是慢速移動型需求備件。最后根據(jù)備件聚類結(jié)果,首先研究穩(wěn)定型備件的需求預(yù)測方法,利用Eviews、 SPSS軟件,選取ARIMA模型對穩(wěn)定型備件進(jìn)行需求預(yù)測,通過ADF檢驗(yàn)、季節(jié)性差分、ACF/PACF截尾性判斷,構(gòu)建S ARIMA模型。后研究慢速移動型備件的需求預(yù)測方法,選取組合預(yù)測法—-FIG-SVM,基于MATLAB及LIBSVM工具箱對慢速移動型備件進(jìn)行需求預(yù)測,對需求序列進(jìn)行模糊粒子化處理、優(yōu)化SVM模型參數(shù),構(gòu)建FIG-SVM模型。通過與多種預(yù)測方法進(jìn)行精度比較可知,使用Eviews軟件基于SRIMA模型可準(zhǔn)確預(yù)測CN企業(yè)穩(wěn)定型備件的需求,基于FIG-SVM模型可準(zhǔn)確預(yù)測CN企業(yè)慢速移動型備件的需求。
【關(guān)鍵詞】：備件 聚類分析法 ARIMA模型 FIG-SVM模型
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F274;F426.472
【目錄】：

• 摘要6-7
• Abstract7-12
• 第1章 緒論12-20
• 1.1 研究背景及意義12-14
• 1.1.1 研究背景12-13
• 1.1.2 研究意義13-14
• 1.2 國內(nèi)外研究現(xiàn)狀14-17
• 1.2.1 備件聚類方法研究14
• 1.2.2 備件需求預(yù)測方法研究14-17
• 1.3 研究內(nèi)容及技術(shù)路線17-20
• 1.3.1 研究內(nèi)容17-18
• 1.3.2 技術(shù)路線18-20
• 第2章 備件聚類及需求預(yù)測方法研究20-30
• 2.1 備件概述20-21
• 2.2 備件聚類方法21-23
• 2.2.1 備件聚類準(zhǔn)則研究21-22
• 2.2.2 備件聚類方法研究22-23
• 2.3 備件需求預(yù)測方法23-28
• 2.3.1 ARIMA模型23-25
• 2.3.2 支持向量機(jī)25-26
• 2.3.3 循環(huán)神經(jīng)網(wǎng)絡(luò)26-27
• 2.3.4 其他預(yù)測模型27-28
• 2.4 本章小結(jié)28-30
• 第3章 CN企業(yè)備件庫存管理現(xiàn)狀分析30-44
• 3.1 企業(yè)概述30-31
• 3.2 備件庫存管理現(xiàn)狀31-38
• 3.2.1 倉庫布局31-35
• 3.2.2 部門職責(zé)35-36
• 3.2.3 業(yè)務(wù)流程36-38
• 3.3 備件庫存現(xiàn)狀分析38-43
• 3.3.1 備件庫存特點(diǎn)分析38-42
• 3.3.2 庫存不合理性分析42-43
• 3.4 本章小結(jié)43-44
• 第4章 CN企業(yè)備件庫存聚類方法研究44-57
• 4.1 系統(tǒng)聚類算法研究44-48
• 4.1.1 系統(tǒng)聚類法44-45
• 4.1.2 相似性度量方法45-46
• 4.1.3 類間距離度量46-48
• 4.2 算例分析48-55
• 4.2.1 數(shù)據(jù)預(yù)處理48
• 4.2.2 聚類算例分析48-55
• 4.3 本章小結(jié)55-57
• 第5章 CN企業(yè)備件需求預(yù)測方法研究57-84
• 5.1 ARIMA穩(wěn)定型需求預(yù)測模型57-70
• 5.1.1 構(gòu)建ARIMA預(yù)測模型58-60
• 5.1.2 Eviews算例分析60-66
• 5.1.3 SPSS算例分析66-70
• 5.2 FIG-SVR慢速移動型需求預(yù)測模型70-80
• 5.2.1 模糊信息�；�71-72
• 5.2.2 構(gòu)建FIG-SVR預(yù)測模型72-75
• 5.2.3 算例分析75-80
• 5.3 預(yù)測模型合理性分析80-83
• 5.3.1 預(yù)測評價(jià)方法80-81
• 5.3.2 預(yù)測模型分析81-83
• 5.4 本章小結(jié)83-84
• 結(jié)論與展望84-86
• 致謝86-87
• 參考文獻(xiàn)87-92
• 附錄1 原始數(shù)據(jù)92-97
• 附錄2 預(yù)測結(jié)果97-100
• 附錄3 ARIMA模型預(yù)測參數(shù)100-103
• 附錄4 FIG-SVM預(yù)測程序103-109
• 攻讀碩士學(xué)位期間發(fā)表的論文及科研成果109

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 胡景煥;;基于時(shí)間序列分析的葡萄酒指數(shù)預(yù)測方法[J];中外葡萄與葡萄酒;2015年01期

2 謝娟英;王艷娥;;最小方差優(yōu)化初始聚類中心的K-means算法[J];計(jì)算機(jī)工程;2014年08期

3 朱e

本文編號：327078